El empleo de imágenes captadas con drones en la agricultura es común en propiedades de distintos portes. Estos aparatos pueden resultar útiles entre otras cosas para ayudar en la detección de anormalidades en las plantaciones. Esto es posible cuando se analizan datos tales como la coloración del follaje, su estado hídrico y otros factores con miras a determinar qué áreas del cultivo pueden haber sido afectadas por diversos microorganismos.
La empresa Cromai, una agtech con sede en la ciudad de São Paulo (Brasil) que cuenta con el apoyo del Programa FAPESP de Investigación Innovadora en Pequeñas Empresas (PIPE), hace precisamente eso: utiliza la inteligencia artificial a los efectos de suministrarles a agrónomos y productores un flujo de información para la toma de decisiones estratégicas y el manejo más eficiente de la producción. Los datos recabados permiten disminuir el uso de defensivos agrícolas, mejorar la productividad y fortalecer la sostenibilidad.
La información que los investigadores de la empresa emplean se obtiene mediante imágenes aéreas tomadas fundamentalmente desde drones. “Hoy en día los productores ya están muy acostumbrados a utilizar drones para captar imágenes de sus cultivos”, dice el ingeniero mecatrónico Guilherme Barros Castro, fundador y CEO de Cromai. “Esas imágenes pueden exhibir diversos tipos de información. Antaño se las empleaba más en la topografía. Ahora nosotros hemos planteado aplicarlas para efectuar detecciones con miras a lograr un manejo más eficiente”, dice.
El nombre de la empresa incluso es fruto de la unión del término croma, que viene del griego khrõma y está relacionado con los colores, con la abreviatura de inteligencia artificial en inglés (AI). “Lo inventamos así porque nuestra solución aúna imágenes con la inteligencia artificial que se les aplica. Por eso los colores son sumamente relevantes para las detecciones que hacemos”, subraya Barros Castro.
La primera solución de Cromai se diseñó para identificar plantas perjudiciales en los cultivos de caña de azúcar. “Con algoritmos de inteligencia artificial podemos detectar infestaciones, clasificar malezas y producir los archivos de fumigación localizada”, explica Barros Castro. “Esos archivos son compatibles con la mayor parte de los tractores y drones de fumigación: basta insertarlos en el dispositivo para efectuar la aplicación en los lugares correctos de acuerdo con la georreferencia.”
Asimismo, dado que se clasifican las malezas, es posible determinar el producto más adecuado para combatir a cada especie identificada y también optar por soluciones menos agresivas para con el medio ambiente. “Antes era común aplicar productos químicos en la totalidad del área, toda vez que los productores intentaban proteger toda la plantación contra posibles infestaciones. Con ese método, como el producto que se aplicaba era genérico, siempre sobraba algún microorganismo, ya que no era la mejor dosificación y la misma no era específica para la maleza existente.”
Por otra parte, con datos precisos se aplica el producto químico correcto y únicamente en donde es necesario. Según Barros Castro, la disminución promedio del empleo de herbicidas en los campos llega al 65 %. “Es una reducción significativa que aporta un retorno económico considerable e inmediato, aparte de que la operación se vuelve mucho más eficiente y la producción mucho más sostenible.”
La empresa afirma que tan pronto como el productor empieza a utilizar el software comienza a ahorrar en el uso de herbicidas. “Tenemos un cálculo de que aportamos 100 reales por hectárea de retorno económico en promedio, independientemente del tamaño del área”, dice Barros Castro, quien a su vez subraya que los productores de cualquier porte pueden implementar esta solución. “Como se trata de un software, logramos volver factible la inversión para propietarios de áreas de distintos tamaños.”
Según el ejecutivo, la gran diferencia radica en que los grandes productores tienen sus propios equipos, mientras los más chicos suelen recurrir a cooperativas para ejecutar las etapas. “Actualmente, la inversión en un dron es bastante viable para agricultores de todos los portes. Con el ahorro que aporta esta solución, el retorno llega en menos de un mes”, afirma.
Y Barros Castro señala un beneficio extra: el empleo de una cantidad menor de productos químicos en los cultivos reduce la carga química de los alimentos. “En el futuro tendremos partes de los cultivos sin ningún contacto con productos químicos. Saldrá de ellas un producto orgánico plantado a gran escala”, estima.
Con la agricultura basada en datos, Cromai puede saber qué partes de una plantación grande posee esta característica. Las producciones orgánicas en la actualidad se ciñen en general a los pequeños agricultores.
Con la agronomía en la sangre
Barros Castro es hijo, nieto y bisnieto de agrónomos. Es ingeniero mecatrónico con doctorado en el área de inteligencia artificial, con estudios en Brasil y en Japón. “Yo ya vislumbraba entonces la importancia del agronegocio para Brasil y la importancia del agronegocio brasileño para el mundo.”
Cromai tiene presencia en la actualidad en diez estados brasileños y cuenta con una cartera de cinco soluciones. “Buena parte de este movimiento fue posible gracias a la FAPESP, que nos permitió invertir en proyectos que podrían tardar cinco o diez años si no dispusiésemos de esos recursos”, sostiene. “Estos incentivos son esenciales para desarrollar tecnologías que tienen un impacto sumamente positivo, pero que no se estudiarían ahora si no hubiese este tipo de inversiones disponibles.”
El ejecutivo explica que el objetivo de la empresa consiste en ofrecer toda la información relevante para lograr un manejo más eficiente posible. Aparte de la solución que detecta la presencia de malezas, Cromai desarrolló una tecnología orientada hacia la pureza vegetal y en poco tiempo más lanzará otra relacionada con las fallas en el cultivo. Todas ellas son para plantaciones de caña de azúcar.
Asimismo, el equipo de la empresa cuenta con opciones para el mercado de granos. Para la soja, por ejemplo, la empresa identifica plantas perjudiciales y desarrolla las demás capas de información relevantes. “De esta manera, el productor podrá ejecutar todo el manejo basándose en datos. Cambiaremos ese paradigma y plasmaremos una agricultura más precisa basada en información relevante. De este modo, la toma de decisiones será mucho más estratégica y asegurará una mayor eficiencia.”
Fuente: Agencia Fapesp